| 方法 | 作用 | 效果 |
| 将密集连接引入超分领域 | 将每一层的特征都传递到后面的所有层，可以有效的组合浅层特征和深层特征，提高重建性能。而且密集连接可以在输出和每一层之间构建短路径，缓解了梯度消失现象 | 很好 |
代码： wxywhu/SRDenseNet-pytorch: SRDenseNet-pytorch（ICCV_2017） (github.com)
超分辨率重建是一个高度不适定的问题，因为从LR到HR空间的映射可能有多个解。当放大因子较大时，恢复图像超分辨率（SR）中的高频细节变得非常困难。许多SR技术假设高频信息是冗余的，并且可以从低频数据准确预测。因此，从LR图像中收集大区域中的有用上下文信息十分重要